黄河中游典型流域洪水分类实时预报研究
| 摘要 | 第4-6页 |
| abstract | 第6-10页 |
| 1绪论 | 第10-20页 |
| 1.1研究背景及意义 | 第10-11页 |
| 1.2国内外研究现状 | 第11-16页 |
| 1.2.1洪水分类预报研究现状 | 第11-13页 |
| 1.2.2水文模型国内外研究现状 | 第13-16页 |
| 1.3目前存在的问题 | 第16页 |
| 1.4研究内容 | 第16-17页 |
| 1.5研究技术路线 | 第17-20页 |
| 2洪水实时分类方法的构建与应用 | 第20-49页 |
| 2.1分类方法 | 第20-21页 |
| 2.2F-K++洪水实时分类方法的构建 | 第21-26页 |
| 2.2.1样本处理模块 | 第22-24页 |
| 2.2.2聚类分析模块 | 第24-25页 |
| 2.2.3BP神经网络洪水分类模型 | 第25-26页 |
| 2.3故县水库洪水分类 | 第26-35页 |
| 2.3.1流域概况 | 第26-28页 |
| 2.3.2洪水样本处理 | 第28-32页 |
| 2.3.3洪水聚类分析 | 第32-34页 |
| 2.3.4洪水实时分类 | 第34-35页 |
| 2.4静乐站控制流域洪水分类 | 第35-48页 |
| 2.4.1流域概况 | 第35-36页 |
| 2.4.2洪水样本处理 | 第36-44页 |
| 2.4.3洪水聚类分析 | 第44-46页 |
| 2.4.4洪水实时分类 | 第46-48页 |
| 2.5小结 | 第48-49页 |
| 3蓄满-超渗兼容模型的应用 | 第49-65页 |
| 3.1蓄满-超渗兼容模型 | 第49-52页 |
| 3.1.1模型结构 | 第49页 |
| 3.1.2模型主要参数 | 第49-50页 |
| 3.1.3参数率定方法 | 第50-51页 |
| 3.1.4模型评价方法 | 第51-52页 |
| 3.2模型在故县水库的应用 | 第52-57页 |
| 3.2.1分类洪水的参数率定 | 第52-53页 |
| 3.2.2分类洪水模拟结果分析 | 第53-57页 |
| 3.3模型在静乐站控制流域的应用 | 第57-64页 |
| 3.3.1分类洪水的参数率定 | 第57-58页 |
| 3.3.2分类洪水模拟结果分析 | 第58-64页 |
| 3.4小结 | 第64-65页 |
| 4基于LSTM神经网络的实时洪水预报 | 第65-75页 |
| 4.1LSTM神经网络 | 第65-66页 |
| 4.2LSTM神经网络模型在典型流域的应用 | 第66-69页 |
| 4.2.1故县水库洪水分类预报 | 第66-67页 |
| 4.2.2静乐站控制流域洪水分类预报 | 第67-68页 |
| 4.2.3模拟结果对比分析 | 第68-69页 |
| 4.3基于LSTM神经网络的实时洪水校正预报 | 第69-73页 |
| 4.3.1故县水库实时校正预报 | 第70-71页 |
| 4.3.2静乐站控制流域实时校正预报 | 第71-73页 |
| 4.4小结 | 第73-75页 |
| 5结论及展望 | 第75-78页 |
| 5.1结论 | 第75-76页 |
| 5.2新见解 | 第76-77页 |
| 5.3展望 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 个人简历、在校期间发表的学术论文与研究成果 | 第83-84页 |
| 致谢 | 第84页 |
